python - python读取特殊格式的文本文件

Question

我想将文本文档文件夹转换为以下格式:

texts = ['文档 1 的文本', '文档 2 的文本', '文档 3 的文本',...]

为了应用文本挖掘方法。

到目前为止我的代码如下:

import os
file= "*.txt"
path = "C:\\"
texts=[]

for files in os.listdir(path):
     with open(path + files) as f:
         for x in f:
             texts.append(x)

不幸的是，结果与想要的不同:

texts = ['line 1 of document 1', 'line 2 of document 1', …]

我做错了什么？有人可以建议改进我的代码吗？

Answer 1

for line in file: (或者在您的情况下，for x in f:)迭代文件中的行。

请改用.read() 方法。这会将整个文件读入一个字符串:

for files in os.listdir(path):
     with open(path + files) as f:
         texts.append(f.read())

编辑:我刚刚看到您对空条目的评论。如果您的目录包含空文件，您可以阻止添加它们:

for files in os.listdir(path):
     with open(path + files) as f:
         contents = f.read()
         if contents.strip(): # will also remove files that contain only whitespace
             texts.append(f.read())